Daily Arxiv

전 세계에서 발간되는 인공지능 관련 논문을 정리하는 페이지 입니다.
본 페이지는 Google Gemini를 활용해 요약 정리하며, 비영리로 운영 됩니다.
논문에 대한 저작권은 저자 및 해당 기관에 있으며, 공유 시 출처만 명기하면 됩니다.

A Survey on Design Methodologies for Accelerating Deep Learning on Heterogeneous Architectures

Created by
  • Haebom

저자

Serena Curzel, Fabrizio Ferrandi, Leandro Fiorin, Daniele Ielmini, Cristina Silvano, Francesco Conti, Luca Bompani, Luca Benini, Enrico Calore, Sebastiano Fabio Schifano, Cristian Zambelli, Maurizio Palesi, Giuseppe Ascia, Enrico Russo, Valeria Cardellini, Salvatore Filippone, Francesco Lo Presti, Stefania Perri

개요

본 논문은 심층 신경망의 효율적인 실행에 대한 증가하는 필요성을 다루며, 이기종 고성능 컴퓨팅(HPC) 및 에지 플랫폼 설계에서 특수 심층 학습 아키텍처 및 하드웨어 가속기 설계에 대한 다양한 제안으로 이어지고 있음을 설명합니다. 이러한 아키텍처 및 가속기의 설계는 머신러닝부터 컴퓨터 아키텍처, 저수준 하드웨어 설계 및 근사 컴퓨팅에 이르기까지 여러 분야의 전문 지식을 결합한 다학제적 접근 방식을 필요로 합니다. 본 논문은 고성능과 에너지 효율을 달성하기 위해 병렬 처리를 극대화하고 데이터 이동을 최소화하는 것을 목표로 하는 심층 학습 가속기 설계 프로세스를 개선하기 위해 제안된 여러 가지 방법론과 도구를 비판적으로 검토하며, 빠르게 발전하는 이 분야에 대한 광범위한 관점을 제공합니다. 아키텍처 및 가속기에 대한 설문 조사를 보완하여 하드웨어-소프트웨어 공동 설계, 자동 합성, 도메인별 컴파일러, 설계 공간 탐색, 모델링 및 시뮬레이션을 다루고 기술적 과제와 공개 연구 방향에 대한 통찰력을 제공합니다.

시사점, 한계점

시사점: 심층 학습 가속기 설계를 위한 다양한 도구와 방법론에 대한 포괄적인 검토를 제공하여, 하드웨어-소프트웨어 공동 설계, 자동화된 합성, 도메인 특화 컴파일러 등의 중요성을 강조합니다. 기술적 과제와 미래 연구 방향에 대한 통찰력을 제공하여, 향후 연구 개발에 대한 방향을 제시합니다.
한계점: 본 논문은 도구 및 방법론에 대한 비판적 검토를 제공하지만, 특정 도구나 방법론의 성능 비교나 실험적 평가는 포함하지 않습니다. 또한, 급속도로 발전하는 분야의 특성상, 논문 발표 이후 새로운 기술이나 방법론이 등장할 가능성이 존재합니다.
👍